优化深度确定性策略梯度算法

来源：计算机工程与应用杂志2019年第7期北京时间：

作者：柯丰恺，周唯倜，赵大兴

单位：湖北工业大学 机械工程学院，武汉 430068

摘要：深度强化学习善于解决控制的优化问题，连续动作的控制因为精度的要求，动作的数量随着动作维度的增加呈指数型增长，难以用离散的动作来表示。基于Actor-Critic框架的深度确定性策略梯度（Deep Deterministic Policy Gradient，DDPG）算法虽然解决了连续动作控制问题，但是仍然存在采样方式缺乏科学理论指导、动作维度较高时的最优动作与非最优动作之间差距被忽视等问题。针对上述问题，提出一种基于DDPG算法的优化采样及精确评价的改进算法，并成功应用于选择顺应性装配机器臂（Selective Compliance Assembly Robot Arm，SCARA）的仿真环境中，与原始的DDPG算法对比，取得了良好的效果，实现了SCARA机器人快速自动定位。

关键词：强化学习,深度学习,连续动作控制,机器臂